基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

基于偏振成像的目标识别技术研究

提出了一种基于偏振特征的目标识别技术.实验采用He-Ne激光作为照明光源,根据目标散射光偏振度的差异,利用DSP图像采集系统获取了目标的偏振图像,并编写程序计算了图像的灰度值.结果显示:偏振成像技术可以提高目标成像的对比度和分辨率;相对于退偏振强的目标,退偏振弱的目标图像亮度变化明显.所以偏振成像技术可以有效地提高目标探测和识别效率.     

基于小波包变换的中波红外偏振图像融合研究

针对红外偏振图像的突显目标轮廓的能力及增强景物细节信息的特点,提出基于小波包变换法的红外偏振图像灰度级融合方法,对辐射强度图像及偏振信息图像进行有效融合.通过与常用的红外图像融合方法进行客观比较,表明通过小波包变换法得到的融合图像的对比度值、信息熵及互信息值均比较高,该方法有利于场景感知和目标识别.     

多尺度多视点舰船目标红外视景仿真

基于模块化方法构建了舰船目标的多尺度多视点三维特征模型.根据大气传输参数、舰船材质的热物性参数和舰船温度分布,通过设置仿真软件Vega的SensorVision模块和SensorWorks模块参数,实现了舰船目标的多视点红外视景仿真.在此基础上,由多视点原始级别的红外仿真图像与二维高斯模糊模板进行卷积达到模糊降分辨率的效果,从而仿真出多尺度多视点的舰船目标红外图像.仿真结果表明,仿真生成的红外图像与实际图像较为接近,符合实际成像条件下的成像规律.     

基于高分辨率SAR的目标识别技术研究

本文以高分辨率SAR在舰船目标识别方面的应用为研究对象,论文首先分析了SAR成像的特点,提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能,在此基础上,结合SAR图像舰船目标分类自身存在的问题和特点,引入稀疏表示理论,提出一种基于特征字典的稀疏表示分类算法,将其应用于Terra SAR-X SAR图像中三类典型舰船目标分类识别,验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

舰船目标识别技术研究进展

 舰船目标的有效识别和监控对维护海洋权益、保障海上航行安全至关重要。根据舰船目标信息的获取形式，从辐射噪声信号、雷达回波信号、卫星遥感图像、合成孔径雷达图像、红外图像、可见光图像几个舰船目标的主要信息获取来源出发，阐述了舰船目标识别技术的研究进展，总结分析了目前基于不同信号源的舰船目标识别方法普遍存在的具有高度任务相关性、计算成本高与运行时间长等问题。结合深度学习技术在语音识别、图像识别等领域的发展，建议将基于深度学习技术的典型目标识别方法Faster R-CNN及YOLO引入舰船目标识别领域，以研究鲁棒性更好、准确率更高、实时性更强的舰船目标识别方法。     

基于小波变换的红外目标图像多尺度边缘提取

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础.传统的空域微分算子等方法在对背景相对复杂的红外图像不能有效的提取目标边沿.针对红外目标-景间对比度小,边缘模糊的特点,提出了基于小波变换的多尺度边缘提取方法.实验结果验证了,该算法具有良好的检测效果.     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

海面背景红外目标的识别算法

为了实现多角度状态的舰船目标识别,针对低信噪比下海面背景的目标红外图像,提出了一种基于分段拟合的稳定提取海天线信息的算法。在此基础上对经过目标分割后得到的感兴趣区域统计提取舰船目标的形状特征、位置特征等,考虑海面的干扰目标,设计综合分类器,通过对提取的各目标特征进行概率融合的方法实现目标判断。进行了仿真平台软件的试验测试。结果表明,使用该算法可以实现在不同环境和未知海天线的情况下对海面舰船目标多角度状态的可靠识别。     

特征差异驱动的红外偏振与光强图像融合简

针对原有红外偏振融合算法中单一差异特征对不确定和随机变化的图像特征信息不能有效描述而产生不利于融合的问题,本文在分析源图像差异特征形成机理基础上,提出了一种基于NSCT（non-subsampled contourlet transform）的红外偏振与光强图像的特征差异驱动融合算法。通过实验仿真表明,相比SVT（support value transform）、WPT（wavelet packet transform）和NSCTLELV（NSCT local energy and local variance）,该算法能更有效地融合源图像的互补和细节信息,且在实际的目标识别中具有一定的应用价值。     

特征差异驱动的红外偏振与光强图像融合

针对原有红外偏振融合算法中单一差异特征对不确定和随机变化的图像特征信息不能有效描述而产生不利于融合的问题,本文在分析源图像差异特征形成机理基础上,提出了一种基于NSCT(non-subsampled contourlet transform)的红外偏振与光强图像的特征差异驱动融合算法。通过实验仿真表明,相比SVT(support value transform)、WPT(wavelet packet transform)和NSCTLELV(NSCT local energy and local variance),该算法能更有效地融合源图像的互补和细节信息,且在实际的目标识别中具有一定的应用价值。     

基于框架的远距红外桥梁目标识别

针对远距红外图像中桥梁目标的特征,提出了一种基于知识框架的桥梁目标识别算法,由于远距红外桥梁图像背景复杂,干扰大,同时目标在图像中所占区域小,采用基于整幅图像的全局算法是不现实的,因此,依据桥梁的特征,先检测潜在的桥梁点区域,然后对这些局部区域进行考察分析,根据其与预先建立的知识框架实例匹配程度的不同赋相应的置信度,从而去除虚假目标,找到真正的桥梁,实验证明这种局部的处理算法对远距桥梁目标的识别是有效的。     

双目红外热成像定位技术研究与应用

文章基于数字图像技术提出了交叉成像算法,通过将2台红外热成像摄像机拍摄的图像进行交叉计算,提高了所拍摄图像的分辨率.将海上的船舶作为对象,通过对图像的分离、海平面的映射以及船舶的识别,得到了目标图像的高精度定位.其测量精度能够很好地满足监测需要.高分辨率的热红外图像在工程监测和测量中有着重要的意义,这也将扩展红外热成像技术在实际工程测量中的应用.     

复杂背景下序贯显著性特征海面目标检测算法

根据人眼视觉显著性注意机制,提出基于序贯显著性特征的目标识别算法,把复杂背景下的目标识别问题转化为多特征的融合识别,将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程,并建立序贯显著性特征目标识别算法模型,序贯提取复杂图像区域的显著性特征,逐步缩小感兴趣区域范围,然后以基于D-S证据理论的多特征数据融合方法,通过多特征综合置信度的估计与分析,完成可靠的目标识别．试验研究表明,针对复杂背景下海面舰船目标,在相同的虚警概率下,该算法的检测概率比单一的不变矩算法和基于纹理特征算法平均要高20％．     

基于FPGA的红外成像系统及图像处理算法

红外成像技术一直是光电子领域的热点课题,由于受红外自身成像特点、红外探测器件工艺限制及成像环境的影响,导致红外图像噪声大、对比度低,造成红外图像待测目标模糊、图像信噪比较低、无法有效识别目标等问题.同时,传统红外图像处理系统往往无法在提升红外视频图像质量的同时兼顾图像处理速度.因此为提升硬件条件下的红外图像质量和图像处...     

一种新的红外舰船图像分割方法

为了能够较好地分割出舰船目标，实现后续的目标检测和识别，提出一种基于显著性检测的红外舰船图像分割方法。首先利用AC算法和FT算法对图像进行处理，将两种方法处理后的显著图合并，提高目标轮廓亮度，然后利用选大恒虚警检测的原理对图像进行二值化分割。通过对比其他几种分割算法，证明此算法有更强的抗干扰能力，分割效果更好。     

低分辨率SAR图像舰船目标检测

针对低分辨率合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标受背景及杂波影响难以检测的问题,通过构建一种基于生物视觉侧抑制理论的背景抑制网络模型,有效地抑制了背景杂波.采用基于RENYI熵的分割方法提取舰船目标兴趣区域,以低分辨率SAR图像中舰船目标的成像特点为先验知识,结合同质性检验,滤除了兴趣区域中的虚假目标,降低了虚警率.实验结果表明:所提出的算法能够有效地抑制强海杂波背景,突出目标,既能用于检测SAR图像中带尾迹特征的舰船等运动目标,也可用于检测无尾迹特征的舰船目标.     

基于显著性检测的红外舰船目标检测识别技术

为有效解决舰船目标的检测与识别问题,提出一种基于显著性检测和Hu不变矩的红外舰船目标检测识别方法,首先使用中值滤波、维纳滤波及灰度非线性变换去除噪声,增强对比度,然后利用Itti算法模型进行显著性检测,针对检测分割后的舰船目标提取几何特征、灰度特征和Hu不变矩特征进行综合识别.经大量仿真实验证明,此方法具有较高的检测识...     

海天线上舰船定位算法研究

针对成像型反舰导弹所获光学图像目标的特点,提出了一种海天线上舰船目标定位算法.该算法利用Can-ny边缘检测算法和OTSU算法对图像进行预处理,再利用投影法检测出海天线及舰船图像的上边缘,进而用一元线性回归方程拟合得到海天线方程,最后利用海天线信息定位海天线区域中的舰船目标.实验结果表明,该方法能够有效地确定海天线以及舰船目标在海天线区域中的位置,并且计算量小于已有的方法.